CAS2023——脑动脉分割挑战赛

今天将分享脑动脉分割挑战赛完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、CAS2023介绍

中风是全世界死亡的主要原因之一。缺血性中风的主要病因是脑血管疾病，其特征在于脑血管系统疾病，例如动脉狭窄和闭塞。准确评估脑血管疾病对于脑血管疾病的诊断、治疗和干预具有重要意义。磁共振血管造影（MRA）广泛用于可视化脑动脉树以进行疾病诊断。MRA准确的脑动脉分割对于脑血管疾病的定量分析，如估计管腔狭窄程度具有重要意义。然而，考虑到脑动脉网络复杂、个体间差异很大，并且由于血流缓慢或平面内血流导致小血管信号较弱，即使对于专家来说，手动分割也具有挑战性。飞行时间 (TOF) MRA 是最广泛使用的非侵入性成像技术，无需使用造影剂即可描绘脑血管树的解剖结构。

CAS2023挑战中，任务是从有症状的颅内动脉狭窄患者采集的3D TOF-MRA 图像中分割脑动脉。脑动脉的精确分割将有助于狭窄的识别和定量表征，有助于动脉硬化、夹层、动脉炎、烟雾病、可逆性脑血管收缩综合征等血管疾病的诊断。

二、CAS2023任务

TOF-MRA脑动脉自动分割。

三、CAS2023数据集

训练数据一共有100例，测试数据一共有50例。

meta.csv文件中是训练图像数据和mask数据，还有Spacing数值，Postion数值等信息。

数据下载：

https://codalab.lisn.upsaclay.fr/my/datasets/download/52e7b58a-b5ce-4760-afdd-ea7e26265378

评价指标：1）骰子相似系数。2) 平均豪斯多夫距离 (AHD)。3）狭窄区域的骰子相似系数。4）狭窄区域的平均豪斯多夫距离（AHD）。

四、技术路线

方案一、传统图像处理分割脑动脉

1、首先采用脑分割方法提取头部区域，去除多余背景区域，然后根据头部ROI从原始图像中提取ROI区域。

2、在头部ROI区域中进行多尺度海森矩阵增强，增强管状类结构组织特征。(参考链接：

https://examples.itk.org/src/nonunit/review/segmentbloodvesselswithmultiscalehessianbasedmeasure/documentation)海森矩阵增强参数设置：alpha参数，beta参数，这两个参数是用来控制海森矩阵特征值的比例，alpha是控制最小特征值与较大特征值的权重，beta是控制最大特征值与较大特征值的权重，一般设置alpha为0.3，beta为0.9（增强效果好的参数要求最小特征值远小于较大特征值，而较大特征值与最大特征值差不多），为了检测不同尺度的支气管，还采用多尺度的海森矩阵方法，sigma值范围是1到3。

3、计算得到海森增强图像结果，然后再求海森矩阵的最大值，按照最大值的五分之一进行二值化操作，得到最终的脑动脉分割结果。

4、海森矩阵增强结果

5、海森矩阵分割验证集结果对比

左图是金标准结果，右图是预测分割结果。

平均dice：0.51

平均assd：4.72

方案二、深度学习分割脑动脉

1、首先采用脑分割方法提取头部区域，去除多余背景区域，然后根据头部ROI从原始图像和mask提取ROI区域。

2、分析ROI图像，得到图像平均Spacing大小是0.28x0.28x0.6，因此将图像缩放到固定Spacing大小0.3x0.3x0.3。图像预处理，对步骤1的ROI图像采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集，对每个图像随机裁切提取10个patch，大小为256x256x256。

3、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是300，损失函数采用二值化的dice和交叉熵。

4、训练结果和验证结果

5、验证集分割结果

左图是金标准结果，右图是预测分割结果。

平均dice:0.7

平均assd:1.3

6、测试集部分分割结果

左图是金标准结果，右图是预测分割结果。

点击阅读原文可以访问参考项目，如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。